Probabilistic linguistic vector-term set and its application in group decision making with multi-granular linguistic information

With the rapid information explosion and sharing, recommender systems (RS) play an auxiliary role in assisting the Internet users to make decision especially in the e-service platform. Normally, the information in this process is related to opinions and preferences, which are usually expressed through a qualitative way such as linguistic evaluation terms (LETs). However, the LETs may come from different sources such as experts, users, etc., which makes the linguistic evaluation scales (LESs) used in this process probably be different due to their different backgrounds and levels of knowledge. The diversity and flexibility of these LESs determine the quality of information, and further affect the effectiveness of a RS. In this paper, we focus on improving the accuracy of the multi-granular linguistic recommender system by supporting customers to find out the most eligible items according their own preferences. We first propose the probabilistic linguistic vector-term sets (PLVTSs) to promote the application of multi-granular linguistic information. Based on the PLVTSs, we then develop a novel algorithm to tackle multi-attribute group decision making (MAGDM) problems with multiple LESs. Furthermore, the effectiveness of the PLVTSs is validated by an illustration of personalized hospital selection-recommender problem. Finally, we point out some possible research directions regrading to the PLVTSs.     

基于双重语言信息联动的多阶段决策模型

研究双重语言信息联动下多阶段决策信息的动态集结方法. 考虑决策依据信息和专家偏好信息的自身特点, 设计基于双重语言信息融合的多阶段决策问题分析框架; 分析决策信息的动态变化特征, 以两类信息之间差异最小为原则构建规划模型群, 探寻阶段权重和各阶段下属性权重的具体表现; 设定决策者的信息偏好程度, 集结方案的动态综合绩效和专家判断结果, 在多阶段情形下实现候选方案的优选决策. 最后通过算例验证了所提出方法的科学性和适用性.     

Some interesting properties of the fuzzy linguistic model based on discrete fuzzy numbers to manage hesitant fuzzy linguistic information

The management of hesitant fuzzy information is a topic of special interest in fuzzy decision making. In this paper, we focus on the use and properties of the fuzzy linguistic modelling based on discrete fuzzy numbers to manage hesitant fuzzy linguistic information. Among these properties, we can highlight the existence of aggregation functions with no need of transformations or the possibility of a greater flexibilization of the opinions of the experts, even using different linguistic chains (multigranularity). Furthermore, based on these properties we perform a comparison between this model and the one based on hesitant fuzzy linguistic term sets, showing the advantages of the former with respect to the latter. Finally, a fuzzy decision making model based on discrete fuzzy numbers is proposed.     

基于模糊语言的信息系统事前评价模型

给出了信息系统事前评价的指标体系.针对信息系统事前评价指标的不确定性,提出使用语言值对指标进行评价,并给出了一种基于模糊语言的信息系统事前评价模型.由决策者给出语言判断矩阵,使用EOWA算子进行集结,并求得各方案的综合属性值,对方案进行择优,为信息化建设提供决策支持.     

Consensus reaching for group decision making with multi-granular unbalanced linguistic information: A bounded confidence and minimum adjustment-based approach

In group decision making problems, there exist the situations that decision makers may use unbalanced linguistic term sets that are not uniformly and symmetrically distributed to provide their linguistic assessments over alternatives. Moreover, due to the difference in knowledge and culture backgrounds, it is also possible that multi-granular linguistic term sets may also be used by decision makers. How to manage multi-granular unbalanced linguistic information in consensus-based group decision making has becoming an important topic in linguistic decision making. In this paper, we first revise Herrera’s unbalanced linguistic term sets and propose a simplified linguistic computational model to fuse multi-granular unbalanced linguistic terms. Afterwards, for multi-criteria group decision making problems with multi-granular unbalanced linguistic information, we develop two optimization models to generate adjustment advice for decision makers who have to change his/her opinions in consensus reaching process, which consider both the bounded confidence levels and minimum adjustment of decision makers’ linguistic assessments. Moreover, an algorithm is further proposed to help decision makers reach consensus in group decision making. Eventually, an application example for ERP system supplier selection and some simulation results are presented to illustrate and justify the consensus reaching algorithm.     

基于灰色聚类的大规模群体语言评价信息集结研究

研究群体规模较大的情况下基于语言评价信息的决策方法,提出了基于灰色关联聚类的方法以降低大规模群体的协调困难;根据决策者所属群体类别差异,基于语言信息转化函数提出了类内评价指标权重确定方法,并测算了各群体类别的综合偏好;研究群体类间权重确定模型,建立了基于群体类别意见偏差最小的群体偏好集结模型;进而提出了决策者判断一致度定义以及决策者偏差协调方法.算例分析表明了该方法的应用步骤及可行性.     

基于灰色关联度的多阶段语言评价信息集结方法

研究多阶段语言评价信息的群集结方法.采用二元语义进行语言信息转化;依据评价过程中事物发展规律,提出了方案量变和质变的判定方法和评价者判断质量变化的测度指标;建立了基于灰色关联度的时间权重确定模型;研究多阶段群体差异最小的评价者定权模型,提出了多阶段信息的群集结方法.算例分析表明了方法的应用步骤和有效性.     

二元语义处理不同偏好评价信息的群决策方法

针对具有序关系值、效用值、互反判断矩阵、互补判断矩阵、区间模糊数、三角模糊数六种不同偏好评价信息的群决策问题,根据偏好信息的实际意义,通过转换函数将不同偏好信息一致化为二元语义判断矩阵形式,阐明转化方法的合理性与有效性,采用二元语义加权算术平均（T-WAA）算子集结转化后的二元语义判断矩阵,得到群体二元语义判断矩阵,基于二元语义有序加权平均（T-OWA）算子计算某方案优于其他所有方案的整体偏好程度,从而对方案排序择优。算例分析表明该群决策方法的有效性与合理性。     

纯语言多属性群决策方法研究

研究了属性权重、属性值以及专家权重均以语言形式给出的纯语言多属性群决策问题．定义了语言评估标度的运算法则，给出了一些基于语言评估标度及其运算法则的新算子，提出了一种纯语言多属性群决策方法．该法不但计算简洁便利，而且能充分地利用已有的语言决策信息．最后将该方法应用于解决供应链管理领域中的战略合作伙伴选择问题．     

一种基于二元语义信息处理的多属性群决策方法

为了解决评价信息为语言信息的多属性群决策问题,结合VIKOR方法,提出一种基于二元语义信息处理的多属性群决策方法．该方法使用二元语义信息集结算子获得决策群组的决策信息,通过最大化群效用和最小化个体遗憾来获得决策者满意的折衷方案．该方法计算简单,便于理解,可有效避免信息的丢失和扭曲,并可克服理想解方法不能反映出各方案与正负理想解的接近程度的不足．最后,算例计算结果表明了该方法的有效性．     

一种基于语言评价信息的多指标群聚类方法

针对具有语言评价信息的多指标群聚类分析问题,提出一种基于二元语义信息处理的最大树聚类方法.首先描述了具有语言评价信息的多指标群聚类问题,并介绍了近年来国际上最新发展的二元语义概念及其算子;然后基于二元语义信息处理的方法,将专家给出的语言评价信息进行"量化"集结,并依据传统的最大树聚类分析方法的基本思路,给出了解决基于语言评价信息的最大树聚类方法的计算步骤;最后通过一个算例说明了所提出方法的有效性.     

二元语义信息下的动态激励群体评价方法及应用

针对目前关于动态群体评价问题的研究相对较少,且主要是基于点值信息评价的不足,提出一种新的二元语义信息下的动态激励群体评价方法,将动态激励评价及语言评价信息引入到群体评价中。首先探讨了能够较好地集结群体语言评价信息的二元语义一致算子;然后在各阶段的动态评价中引入激励区间,并运用时间诱导的二元语义时序激励加权平均算子集结得到受“奖惩”的动态群体综合评价值,从而进行最终评价。最后,通过算例给出了所提方法的步骤,并进行了结果分析,证明了该方法的可行性和有效性。     

基于犹豫模糊语言的多阶段多属性决策方法

针对不确定语言条件下的决策问题,考虑专家偏好的阶段性差异,提出基于犹豫模糊语言的多阶段多属性决策方法。首先为了更准确地表达专家在决策过程中的犹豫性,采用犹豫模糊语言来表达专家的评估信息;其次考虑阶段权重的波动性,运用基于专家阶段性偏好的信息熵方法构建阶段权重优化模型确定阶段权重;然后利用最大化偏差法来求解属性权重,并采用基于平均解距离评价(EDAS)方法对备选方案进行排序;最后以某企业选取物流商问题为例,验证该方法的有效性和可行性。     

基于犹豫语言H-几何算子的信息安全系统选择

针对属性值为犹豫模糊语言信息且属性输入变量之间存在相互联系的多属性群决策问题,提出了一种基于犹豫语言Heronian几何算子的多属性群决策模型。基于Archimedean范数定义了新的犹豫模糊语言运算法则,并提出了犹豫语言Heronian几何（HLHG）算子;探讨了HLHG算子的一些优良性质,研究了HLHG算子的几种常见形式,引入了犹豫语言Heronian加权几何（HLHWG）算子;基于HLHWG算子构建了一种新的犹豫模糊语言多属性群决策模型,该群决策模型不仅考虑到了输入决策信息之间的相互联系,而且使得决策者能够依据自身偏好选择不同参数进行决策。结合信息安全系统选择实例验证了提出的群决策模型是可行的和有效的。     

群体分类偏好下的双重语言信息融合聚类方法

研究一类基于双重信息融合的群体聚类方法。依据偏好信息下专家意见相似关系挖掘群体分类偏好信息;考虑专家决策依据向量的相似程度,设计一致性和非一致性测度指标,以表征双重维度下群体聚类的一致及差异度;以群体聚类结果差异最小为目标构建规划模型,测算属性权重,并以编网聚类的思想给出聚类结果。算例研究验证了所提出方法的科学性和合理性。     

基于变权的语言评价信息不完全的群组评价方法

针对评价群体成员权重未知且语言评价信息不完全的群组评价问题,提出了一种基于变权的证据推理解决方法．该方法将各评价群体成员的评价意见作为证据,将位置权向量引入到信度初始分配的建立中,定义了冲突度指数的概念作为证据赋权的诱导分量,结合“大多数”模糊量化算子确定权重,并应用Ｄｅｍｐｓｔｅｒ规则进行证据合成．该方法从证据之间提取权重信息,体现了采纳多数人意见的群组评价思想．最后给出了一个应用实例．     

基于层次分析法和二元语义的供应商评价研究

供应商评价是一个多指标群决策问题。针对语言评价信息的模糊性,提出了一种基于层次分析法和二元语义的评价方法。利用层次分析法确定供应商评价指标权重,采用近年来最新发展的二元语义和算子进行信息的集结,给出了供应商评价选择的计算步骤。最后,算例分析证明了该方法的简便性和有效性。     

基于等信息量转换的区间二元语义多属性群决策方法

针对传统区间二元语义距离计算公式的不足,提出基于离散参数区间二元语义距离公式,构建基于等信息量转换的区间二元语义多属性群决策模型。基于该模型,针对属性权重和专家权重信息完全未知的情形,设计基于极大熵和正理想方案的权重确定模型,给出一种处理区间二元语言评价值的群决策问题求解方法。算例分析表明,所提出的方法可以在一定程度上克服以往基于区间二元语义距离处理方法造成信息扭曲和损失的不足。     

一种基于反向文本频率互信息的文本挖掘算法研究

针对传统的文本分类算法存在着各特征词对分类结果的影响相同,分类准确率较低,同时造成了算法时间复杂度的增加,在分析了文本分类系统的一般模型,以及在应用了互信息量的特征提取方法提取特征项的基础上,提出一种基于反向文本频率互信息熵文本分类算法。该算法首先采用基于向量空间模型(vector spacemodel,VSM)对文本样本向量进行特征提取;然后对文本信息提取关键词集,筛选文本中的关键词,采用互信息来表示并计算词汇与文档分类相关度;最后计算关键词在文档中的权重。实验结果表明了提出的改进算法与传统的分类算法相比,具有较高的运算速度和较强的非线性映射能力,在收敛速度和准确程度上也有更好的分类效果。     

A consensus reaching model for 2-tuple linguistic multiple attribute group decision making with incomplete weight information

The aim of this paper is to put forward a consensus reaching method for multi-attribute group decision-making (MAGDM) problems with linguistic information, in which the weight information of experts and attributes is unknown. First, some basic concepts and operational laws of 2-tuple linguistic label are introduced. Then, a grey relational analysis method and a maximising deviation method are proposed to calculate the incomplete weight information of experts and attributes respectively. To eliminate the conflict in the group, a weight-updating model is employed to derive the weights of experts based on their contribution to the consensus reaching process. After conflict elimination, the final group preference can be obtained which will give the ranking of the alternatives. The model can effectively avoid information distortion which is occurred regularly in the linguistic information processing. Finally, an illustrative example is given to illustrate the application of the proposed method and comparative analysis with the existing methods are offered to show the advantages of the proposed method.